FrFT-Bark 域特征提取与CNN 残差收缩网络心音分类算法

樊庆玲，杨宏波，郭 涛，张 伟，王威廉**

(1.云南大学 信息学院，云南 昆明 650500；2.云南省阜外心血管病医院，云南 昆明 650102)

据2020 年《中国心血管健康与疾病报告》显示，近年来中国心血管疾病患病率处于持续上升阶段，2018 年心血管疾病死亡率仍居首位[1].先天性心脏病（Congenital Heart Disease，CHD）简称先心病，是一种严重危害青少年身心健康的心血管疾病，心音的相关频谱内容是揭示CHD 的有用医学信息，因此研究心音包含的病理信息对于CHD 的早期诊断至关重要[2].用电子听诊器将心音的振动转变为电流，经放大后转化为心音图（phonocardiogram，PCG）[3]，研究心音自动分类识别有助于提高CHD筛查的准确率和效率，使患儿及早得到医疗干预，降低其死亡风险.

心音分类算法重点在于特征提取和分类器的选择.目前从时域、频域和时频域角度提出了多种心音的特征提取方法.时域主要是提取信号的包络，然后根据包络分割定位，提取收缩期与舒张期时限和短时平均幅度差等时域特征[4]；频域主要对信号进行某种变换，描述信号在频率方面的特性，频域图显示了一个频率范围每个给定频带的信号量，如小波变换[5]、傅里叶变换[6]等.无论从时域还是频域，提取特征都比较容易且方便进行量化分析，但是单独的时域或者频域特征不能充分反映心音信号的生理、病理信息，因此大多研究使用时频特征[7].由于心音本质上与语音信号相似，都为非线性非平稳信号[8]，心音的分析常常借鉴语音处理的方法，语音特征提取……